地理建模原理实验报告定稿版
地理建模实用技术 实习报告
《地理建模实用技术》课堂实验报告（2016-2017学年第1学期）班级：地信1301姓名：冯正英学号：311305030101上机前准备：充分不充分未准备上机考勤：全到缺次上机操作：认真不认真实验计划：完成部分完成未完成实验报告完成情况：全部按时完成，部分完成，基本未提交实验报告撰写质量：好较好差其它：综合评分：优良中及格不及格指导教师签名:年月日实验一在ArcCatalog中预览三维GIS数据专业：地理信息科学班级：1301 姓名：冯正英学号：311305030101 日期：2016-10-22 成绩：一、实验的目的与要求：（1）掌握ArcCatalog中数据预览方法；（2）掌握ArcCatalog中创建图层文件的方法。
二、实验软件及系统：Windows 7ArcGIS10.1三、实验内容及步骤：1.实验内容（1）在ArcCatalog预览数据；（2）在ArcCatalog中创建图层文件。
2.实验步骤（1）在ArcCatalog预览数据①启动ArcCatalog。
双击ArcCatalog图标，打开ArcCatalog软件，点击自定义→ArcCatalog 选项→常规选项卡→隐藏文件扩展名，单击ok确定。
②加载3D Analyst扩展模块。
点击自定义→扩展模块，在对话框中选中3D Analyst复选框，点击close按钮，关闭对话框。
③在ArcCatalog中加载3的视图工具条。
点击自定义→工具条，选中3D视图工具和Globe 视图工具复选框。
④查看catalog内容。
点击“＋”号按钮连接4DData文件夹，在左侧的Catalog目录树种找到Chapter01\data1文件夹。
单击前面加号展开文件夹，可以看到其中包含了一个tin，一个栅格，一个shapefile要素类。
⑤预览tin数据集。
单击目录中的cole_tin，选择显示区域上方的预览选项卡，点击预览菜单旁边的箭头，选择3D视图。
⑥使用导航，缩放，平移等工具。
地理信息系统原理上机实习报告
[地理信息系统原理上机实习报告]2019年4月24日目录1.shape file格式说明2.实验一2.1实习目的2.2实习原理2.3实习内容3.实验二3.1实习目的3.2实习原理3.3实习内容4.实验三4.1实习目的4.2实习原理4.3实习内容5.实验四5.1实习目的5.2实习原理5.3实习内容6.实习总结1.shape file格式说明ESRI Shapefile（shp），或简称shapefile，是美国环境系统研究所公司（ESRI）开发的一种空间数据开放格式。
Shapefile文件指的是一种文件存储的方法，实际上该种文件格式是由多个文件组成的。
其中，要组成一个Shapefile，有三个文件是必不可少的，它们分别是".shp", ".shx"与".dbf"文件。
Shapefile文件用于描述几何体对象：点，折线与多边形。
例如，Shapefile文件可以存储井、河流、湖泊等空间对象的几何位置。
除了几何位置，shp文件也可以存储这些空间对象的属性，例如一条河流的名字，一个城市的温度等等。
Shapefile属于一种矢量图形格式，它能够保存几何图形的位置及相关属性。
但这种格式没法存储地理数据的拓扑信息。
Shapefile 是一种比较原始的矢量数据存储方式，它仅仅能够存储几何体的位置数据，而无法在一个文件之中同时存储这些几何体的属性数据。
因此，Shapefile还必须附带一个二维表用于存储Shapefile中每个几何体的属性信息。
限制：一、Shapefile与拓扑Shapefile无法存储拓扑信息。
二、空间表达在shapefile文件之中，所有的折线与多边形都是用点来定义，点与点之间采用线性插值，也就是说点与点之间都是用线段相连。
在数据采集时，点与点之间的距离决定了该文件所使用的比例。
当图形放大超过一定比例的时候，图形就会呈现出锯齿。
要使图形看上去更加平滑，那么就必须使用更多的点，这样就会消耗更大的存储空间。
地理原理1实验报告
地理原理1实验报告
实验目的
本实验的目的是通过观察和记录地理原理1实验过程中的现象
和数据，来加深对地理原理的理解。
实验材料和器材
本次实验使用的材料和器材包括：地图、测量尺、指南针、量
角器、实验记录表等。
实验方法
1. 首先，准备地图，并在地图上选择一个研究区域。
2. 使用测量尺和量角器，测量和记录该研究区域内的地貌特征，如山脉、河流等。
3. 使用指南针，确定该研究区域内各个地点的方位角，并记录
下来。
4. 结合地貌特征和方位角的数据，分析地理原理在该研究区域
的应用和影响。
实验结果与分析
根据实验过程中的观察和记录，我们得出以下结果和分析：
1. 研究区域内的山脉呈东西走向，这与地理原理中的板块构造理论相吻合。
2. 河流的分布呈放射状，这与地理原理中的河流侵蚀理论相吻合。
3. 地点 A 的方位角为 30°，地点 B 的方位角为 150°，这说明地理原理在该区域的影响并不均匀。
实验结论
通过本次实验，我们深入了解了地理原理在具体地理环境中的应用和影响。
这有助于我们对地理学知识的理解和掌握，为进一步的研究和应用打下基础。
总结
本实验通过观察和记录地理原理1实验过程中的现象和数据，加深了我们对地理原理的理解。
在今后的研究和研究中，我们将继续运用这些方法和技巧，探索更多有关地理学的课题。
《地理信息系统原理课程综合实习》实习报告
《地理信息系统原理课程综合实习》实习报告班级：姓名：学号：指导老师：孙朝晖武汉大学遥感信息工程学院1．实习目的通过这次实习将理论知识与实践相结合，使我们更加深刻地理解地理信息系统理论知识和运用GIS软件, 通过运用ArcGIS绘制一幅数字地图，从而对我们所学的内容进行进一步的巩固和提高。
通过实习，加深了我们对地理信息系统的组成、功能、数据库以及数据输入、数据编辑、数据分析、数据显示输出等基本概念、理论和方法的理解和掌握。
本次实习，要求我们了解ArcGIS9的基本组成，了解Geoway和ArcGIS9软件的基本组成和基本功能。
2．实习内容实习内容分为三部分：Geoway、ArcGIS、ArcGIS数据建库及空间分析。
Geoway实习使用I49G037012栅格图，自选邻近的数字化6块公里格图块进行网数字化，使用自动跟踪、边角提取等有效的数字化功能进行数字化。
通过具体案例掌握，Geoway 软件的工程创建、图像配准、数据采集（包括点、线、面、注记的采集和编辑），并进行检查与编辑，通过图幅整饰出图。
ArcGIS 9实习主要内容是了解ArcGIS9的文件结构和类型，主要进行了利用ArcMap 对数字地图进行普通查询、特殊查询以及专题地图的编制、地图布局与报表的设计。
ArcGIS数据建库及空间分析是将所建立的地理数据库文件，使用所学ArcGIS的地图显示、属性查询、空间查询、数据输入、编辑、空间分析、数据管理、维护、显示、打印输出功能，对数据进行综合分析。
3．实习实现思路和方法3.1 Geoway实习Geoway实习主要目的是进行数据的矢量化，利用Geoway软件将纸质地图中的道路、房屋、水系、地貌等矢量化。
利用Geoway软件进行矢量化的主要步骤如图3-1所示：本实习的主要过程在于点、线、面等对象的提取与输入，其中用到了边角提取、线跟踪等矢量提取方法，其中边角提取比较适用于提取独立房屋，而线跟踪比较容易提取等高线等地貌要素。
地理模型制作实验报告
一、实验目的1. 了解地理模型制作的基本原理和方法。
2. 学会使用地理信息系统（GIS）软件进行地理模型制作。
3. 培养学生的空间思维能力和地理信息分析能力。
二、实验原理地理模型是地理信息系统中的一种基本功能，通过对地理数据的处理和分析，构建出反映地理现象、过程和规律的模型。
地理模型制作实验主要包括以下几个步骤：1. 数据采集与处理：收集实验所需的地理数据，对数据进行预处理，包括投影变换、坐标转换等。
2. 模型构建：根据实验目的和需求，选择合适的模型类型，利用GIS软件进行模型构建。
3. 模型运行与结果分析：运行模型，获取模型输出结果，对结果进行分析和评价。
三、实验内容1. 实验环境：计算机、GIS软件（如ArcGIS、MapInfo等）、实验数据。
2. 实验步骤：（1）数据采集与处理1）打开GIS软件，导入实验数据；2）对数据进行预处理，包括投影变换、坐标转换等；3）将预处理后的数据保存为新的数据集。
（2）模型构建1）根据实验目的和需求，选择合适的模型类型；2）利用GIS软件进行模型构建，包括数据导入、参数设置、模型运行等；3）保存模型，以便后续调用。
（3）模型运行与结果分析1）运行模型，获取模型输出结果；2）对输出结果进行分析和评价，包括模型精度、模型适用性等；3）根据实验目的和需求，对模型进行优化和改进。
四、实验结果与分析1. 实验结果通过地理模型制作实验，成功构建了实验所需的地理模型，并得到了相应的输出结果。
以下为实验结果示例：（1）模型精度分析：实验模型的平均误差为0.5米，满足实验要求；（2）模型适用性分析：实验模型在实验区域内具有良好的适用性，可以反映地理现象和过程。
2. 实验分析（1）实验过程中，通过数据采集与处理，确保了实验数据的准确性和完整性；（2）在模型构建过程中，根据实验目的和需求，选择了合适的模型类型，保证了模型的适用性；（3）在模型运行与结果分析过程中，对输出结果进行了详细的分析和评价，为后续的实验改进提供了依据。
1-三维地球模型精确定位地震与爆炸(定稿)
三维地球模型精确定位地震与爆炸编译岳桦在冷战时期，美国与国际监控机构就已经可以监测到核试验，并且将重点放在测定规模上。
如今，他们可以在全世界范围内进行搜索，并定位规模更小的爆炸物试验。
目前，一个关于地球地幔与地壳的三维模型正处于开发中，以协助他们完成这些任务。
在美国国家核安全管理局国防核不扩散研发部门的发起下，桑迪亚国家实验室1、洛斯阿拉莫斯实验室共同参与了一项名为“SALSA3D”或“桑迪亚—洛斯阿拉莫斯3D”的地球地幔与地壳三维模型的开发。
此模型旨在协助美国空军以及位于奥地利维也纳国际全面核禁试条约组织（CTBTO）对所有类型的爆炸进行更为精确的定位。
桑迪亚地球物理学家Sandy Ballard介绍说，此模型使用可扩展的三角形曲面细分与地震层析成像技术，绘制地球的“压缩波地震速度”。
“压缩波地震速度”为地球内部岩石及其他物质的一项特性，可以显示压缩波在其中的传播速度，同时也是精确定位地震的一种方式。
在地震发生后，压缩波最先被测定，而且会将处于地震发生位置与地震监测站之间的岩石及其他物质中的颗粒前后移动。
他补充道说，SALSA3D同时减少了模型预测的不确定性，当可疑活动被探测到时，这对于那些必须采取措施的决策者而言，是一个重要的特性。
“当出现地震或核爆后，您不仅需要知道它在哪里发生，而且还需要对其充分了解。
”而这些大型的三维模型很难做到。
这主要是一个运算问题。
”Ballard说道。
“数学运算不是难事，难的是如何建立起来。
而现在我们已经完成了这一任务。
”自2007年起，桑迪亚的一个团队就开始致力于编写模型代码。
现在，已经可以证明SALSA3D比当前的众多模型都更为准确。
在近期的试验中，SALSA3D可以对某一地理区域内的地震源进行预测。
它比传统的一维模型要小26%，比最近开发的与一维模型配合使用的区域地震波传播时间（RSTT）模型要小9%。
GeoTess软件发布桑迪亚近日向其他地球科学家、地震学家及公众发布了SALSA3D框架——构建SALSA3D模型的三角细分网格基础。
冰川地貌模型制作实验报告
冰川地貌模型制作实验报告1. 引言1.1 研究背景冰川地貌是地球表面的一种重要地貌类型，对地球变化、气候系统等具有重要影响。
通过制作冰川地貌模型，可以更好地了解冰川的形成和演化过程，对于揭示地质、气候变化等方面具有重要意义。
1.2 研究目的本实验旨在制作冰川地貌模型，通过模拟冰川的形成和演化过程，深入探讨冰川地貌的形成机制和变化规律。
2. 实验材料和方法2.1 实验材料•高质量模型赛车道•白色蜡烛•冷冻箱•电热水壶•尺子、刻度尺、水平仪等量具2.2 实验方法1.准备工作：将模型赛车道放置在平整的台面上，确保水平度。
2.模拟冰川堆积：将冷冻箱设置为较低的温度，待其内温度接近冰点时，将冷冻箱底部放置在模型赛车道上，并打开冷冻箱门。
3.模拟冰雪堆积：用白色蜡烛在模型赛车道上燃烧，产生白烟，模拟冰川区域的冰雪堆积。
4.模拟冰川融化：使用电热水壶加热模型赛车道上的一部分，模拟冰川融化过程。
5.记录观测数据：使用尺子、刻度尺、水平仪等量具，观测冰川地貌模型的堆积、形状和变化规律，并进行记录。
3. 实验结果与讨论3.1 冰川堆积过程通过模拟冰川堆积过程，我们发现，随着时间的推移，冷冻箱内的冰雪逐渐堆积在冰川底部，形成冰川的初始堆积。
这表明冷冻箱的低温环境能够使冰川的形成变得更加快速。
3.2 冰雪堆积过程在模拟冰雪堆积过程中，白烟的产生使得冰川地貌模型上形成了大量的冰雪堆积，这些堆积物在垂直方向上逐渐积累，呈现出典型的冰川地貌特征。
3.3 冰川融化过程通过使用电热水壶加热模型赛车道上的一部分，我们模拟了冰川融化过程。
我们观察到，受热的区域开始融化，并通过重力作用向下流动，形成冰川断端的特征。
3.4 冰川地貌变化规律通过观测和记录冰川地貌模型的堆积、形状和变化规律，我们发现随着时间的推移，冰川地貌模型的堆积物逐渐增加并向下移动，模拟了冰川的演化过程。
这表明冰川地貌的形成和演化受到冰雪堆积和融化的共同影响。
4. 结论通过制作冰川地貌模型并模拟冰川的形成和演化过程，我们深入探讨了冰川地貌的形成机制和变化规律。
地理建模实用技术 实习报告
《地理建模实用技术》课堂实验报告（2016-2017学年第1学期）班级：地信1301姓名：冯正英学号：311305030101上机前准备：充分不充分未准备上机考勤：全到缺次上机操作：认真不认真实验计划：完成部分完成未完成实验报告完成情况：全部按时完成，部分完成，基本未提交实验报告撰写质量：好较好差其它：综合评分：优良中及格不及格指导教师签名:年月日实验一在ArcCatalog中预览三维GIS数据专业：地理信息科学班级：1301 姓名：冯正英学号：311305030101 日期：2016-10-22 成绩：一、实验的目的与要求：（1）掌握ArcCatalog中数据预览方法；（2）掌握ArcCatalog中创建图层文件的方法。
二、实验软件及系统：Windows 7ArcGIS10.1三、实验内容及步骤：1.实验内容（1）在ArcCatalog预览数据；（2）在ArcCatalog中创建图层文件。
2.实验步骤（1）在ArcCatalog预览数据①启动ArcCatalog。
双击ArcCatalog图标，打开ArcCatalog软件，点击自定义→ArcCatalog 选项→常规选项卡→隐藏文件扩展名，单击ok确定。
②加载3D Analyst扩展模块。
点击自定义→扩展模块，在对话框中选中3D Analyst复选框，点击close按钮，关闭对话框。
③在ArcCatalog中加载3的视图工具条。
点击自定义→工具条，选中3D视图工具和Globe 视图工具复选框。
④查看catalog内容。
点击“＋”号按钮连接4DData文件夹，在左侧的Catalog目录树种找到Chapter01\data1文件夹。
单击前面加号展开文件夹，可以看到其中包含了一个tin，一个栅格，一个shapefile要素类。
⑤预览tin数据集。
单击目录中的cole_tin，选择显示区域上方的预览选项卡，点击预览菜单旁边的箭头，选择3D视图。
⑥使用导航，缩放，平移等工具。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
地理建模原理实验报告 HUA system office room 【HUA16H-TTMS2A-HUAS8Q8-HUAH1688】地理建模原理实验报告学号：姓名：高义丰班级： 1223102专业：地理信息系统指导老师：陵南燕2015年6月27日目录一、实习项目 (3)二、实习目的 (3)三、实习内容 (3)1、简单相关分析 (3)2、偏相关 (5)3、距离过程 (6)4、因子分析 (7)5、回归分析 (9)6、多元线性回归 (11)7、时序分析 (12)8、实习总结 (15)一、实习项目1.学习SPSS软件，学会如何该软件进行因子分析与回归分析（课堂）；2.学习SPSS软件，学会如何该软件随机时序分析（课堂）；3.利用SPSS软件，完成数据文件里的一系列操作。
二、实习目的在实习后根据老师讲解的内容能够对spss软件有所了解并能够掌握如何用统计软件进行相关分析、因子分析和回归分析等用实习数据完成此类实习操作，相关分析与回归分析有相关系数、相关分析与偏相关分析、距离分析。
三、实习内容1、简单相关分析在进行相关分析时，散点图是重要的工具，分析前应先做散点图，以初步确定两个变量间是否存在相关趋势，该趋势是否为直线趋势，以及数据中是否存在异常点。
否则可能的出错误结论。
输入数据后，依次单击Graphs—Scatterplot散点图确定两个变量间是否存在相关趋势，该趋势是否为直线趋势Bivariate相关分析的步骤：（1）输入数据后，依次单击Analyze—Correlate—Bivariate，打开Bivariate Correlations对话框。
如图打开双变量相关后在点选项就会得到结果图右边结果，如图设置即可得到结果结果分析：描述性统计量表，如下：从表中可看出， Pearson相关系数为0.865，即小鸡的体重与鸡冠的相关系数为0.865，显着性水平是0.01，这两者之间不相关的双尾检验值为0.001。
从统计结果可得到，小鸡的体重与鸡冠重之间存在正相关关系，当小鸡的体重越大时，则小鸡的鸡冠越重。
并且，否定了小鸡的体重与鸡冠重之间不相关的假设。
2、偏相关当有多个变量存在时，为了研究任何两个变量之间的关系，而使与这两个变量有联系的其它变量都保持不变。
即控制了其它一个或多个变量的影响下，计算两个变量的相关性。
偏相关系数是用来衡量任何两个变量之间的关系的大小。
选择Analyze—Correlate—Partial打开偏相关，如下：在统计学中，自由度（DF）指的是计算某一统计量时，取值不受限制的变量个数。
通常df=n-k。
其中n为样本含量，k为被限制的条件数或变量个数，或计算某一统计量时用到其它独立统计量的个数。
自由度通常用于抽样分布中。
结果分析：在固定变量x2下Y与x1的偏相关系数为0.9483在a=0.001下线性关系显着。
3、距离过程距离相关分析是：对观测量之间或变量之间相似或不相似的程度的一种测量，可用于同一变量内部各个取值间，以考察其相互接近程度；也可以用于变量间，以考察预测测值对实际值的拟合优度。
距离相关分析的结果给出的是个变量或记录之间的距离大小，以供用户自行判断相似性。
选择Analyze—Correlate—Distances 距离分析设置如图所示点击确定就可以达到结果：Proximity MatrixCorrelation between Vectorsof Valuesh1h2h3h1 1.000.573.731h2.573 1.000.088h3.731.088 1.000This is a similarity matrix三次测量结果的相关系数矩阵。
第一次测量与第二次测量结果的r = 0.573，第一次测量与第三次测量结果的r = 0.731，第二次测量与第三次测量结果的r = 0.088，由此可见，后两次测量的结果一致性较差，这意味着第一次恰好是后两次的“均值”，故对该指标作重复测量意义不大。
因子分析的基本目的就是用少数几个因子去描述许多指标或因素之间的联系，即将相关比较密切的几个变量归在同一类中，每一类变量就成为一个因子（之所以称其为因子，是因为它是不可观测的，即不是具体的变量，这与聚类分析不同），以较少的几个因子反映原资料的大部分信息。
选择[Analyze]=>[Data Reduction]=>[Factor]，显示的[Factor Analysis]结果分析：共同度（公共因子方差），共同度越大表示Xi对因子的共同依赖程度越大，因子描述变量越有效。
两个因子对所有变量的共同度都很大，在0.880 到0.988 之间。
从结果可以看出五个变量在第一个因子上都具有大的正负荷，尤其是X4 的负荷特别大。
在第二个因子上变量X1 和X3 都有较大的正负荷，X2和X5 都有较大的负荷，X1、X3 和X2、X5 形成了鲜明的对照，而在X4上的负荷非常小。
因子得分：对公共因子的取值进行估计，计算各个样本的公共因子得分。
在公共因子的空间中，按照各个样本的因子得分值标出其对应的位置。
结果如下图所示：如果在研究变量之间的相关关系时，把其中的一些因素作为所控制的变量（自变量），而另一些随机变量作为它们的因变量，这种关系分析就称为回归分析。
（1）一元线性回归选择主菜单[Analyze]=>[Regression]=>[Linear]打开线性回归因变量为y，自变量为x，得到下列参数分析表：拟合优度检验：样本观察值聚集在样本回归直线周围的紧密程度利用判定系数R2来判定R2越大模型拟合度越高相关系数显着性检验：两个变量间的线性相关程度，用相关系数R来判别，SXY 称为X 与Y 的样本协方差，SX 称为X 的样本标准差，SY 称为Y 的样本标准差。
根据给定的显着性水平α和样本容量n，查相关系数表得到临界值rα。
若|r|>rα，则X 与Y 有显着的线性关系，否则X 与Y 的线性相关关系不显着。
TSS=ESS+RSS (ESS可由回归直线解释，RSS不可解释的残差e)回归方程的显着性检验（F 检验）：对回归总体线性关系是否显着的一种假设检验根据给定的显着水平α确定临界值Fα（1，n-2），或者计算F 值所对应的p 值来判定。
如果F 值大于临界值Fα（1，n-2）（或者p<α），回归方程的线性关系是显着的。
输出结果中的非标准化的系数估计值（B）及其标准误差（Std.Error）。
可以看出，系数估计值分别为b 0= 0.607和 b1 = 0.542，则。
0.607+ 0.542X。
Std.Error表示b i与β i之间的差异，其值越小证明b i越可靠。
回归参数的显着性检验（t 检验）：根据样本估计结果对总体回归参数的有关假设进行检验ｔ检验的临界值是由显着水平α和自由度决定的,如果t 的绝对值大于临界值（或者p(实际显着性水平)<α），说明X 对Y具有显着的影响作用。
6、多元线性回归选择主菜单[Analyze]=>[Regression]=>[Linear]运行结果如下图所示：拟合优度检验：1.R2=0. 902，说明Y的变动中95%可由x1,x2解释2.调整判定系数去除自变量个数对拟合优度的影响3.复相关系数R等于R2开平方，反映样本观测值与拟合直线间的线性相关程度。
R=0.95，说明y与x1,x2之间相关程度为95%。
7、时序分析系统中某一变量的观测值按时间顺序（时间间隔相同）排列成一个数值序列，展示研究对象在一定时期内的变动过程，从中寻找和分析事物的变化特征、发展趋势和规律。
它是系统中某一变量受其它各种因素影响的总结果。
特征识别认识时间序列所具有的变动特征，以便在系统预测时选择采用不同的方法。
(1)随机性：均匀分布、无规则分布，可能符合某统计分布。
(用因变量的散点图和直方图及其包含的正态分布检验随机性，大多数服从正态分布。
)(2)平稳性：样本序列的自相关函数在某一固定水平线附近摆动，即方差和数学期望稳定为常数。
平稳过程的自相关系数和偏自相关系数都会以某种方式衰减趋近0，前者测度当前序列与先前序列之间简单和常规的相关程度，后者是在控制其它先前序列的影响后，测度当前序列与某一先前序之间的相关程度基本步骤(1)作直方图：检验正态性、零均值。
按图形Graphs—直方图Histogram如上图所示可得直方图结果：(2)作相关图：检验平稳性、周期性。
按分析—预测—自相关Autocorrelations打开选项：因为一般要求时间序列样本数据n>50，滞后周期k<n/4，所以此处控制最大滞后数值Maximum Number of Lags设定为16。
设置如下图所示：确定后得到结果：我们从上图中看出样本序列数据的自相关系数在某一固定水平线附近摆动，且按周期性逐渐衰减，所以该时间序列基本是平稳的。
相关图法：运行自相关图后，出现自相关图和偏自相关图从图中看出：自相关系数和偏相关系数具有相似的衰减特点：衰减快，相邻二个值的相关系数约为0.3，滞后二个周期的值的相关系数接近0.1，滞后三个周期的值的相关系数接近0.05。
所以，基本可以确定该时间序列为ARMA（p,q）模型形式，但还不能确定是ARMA（1,1）或是ARMA（2,2）模型。
但若前四个自相关系数分别为0.40、0.16、0.064、0.0256，则可以考虑用AR(1) 模型实际上，具体应用自相关图进行模型选择时，在观察ACF与PACF函数中，应注意的关键问题是：函数值衰减的是否快；是否所有ACF之和为-0.5，即进行了过度差分；是否ACF与PACF的某些滞后项显着和容易解释的峰值等。
但是，仅依赖ACF图形进行时间序列的模型识别是比较困难的。
8、实习总结spss是我们专业接触的第一个统计软件,功能强大,虽然对它很多的输出结果还不会做出解释,但是随着学习的深入,这将使我们的一个好帮手,帮助我们完成很多的任务在SPSS学习中,对它的认识由浅入深，循序渐进,实践中遇到的各种问题逐个攻克,学习这种在日常工作中有价值的分析方法，使我们更能轻易应付日后的社会的信息工作;掌握这种高级的技能,对我们工作就业提供了竞争优势。
在做时序分析的时候，借着前面的讲解，后面的操作还是比较好做的，比较棘手的是输出结果的解释，有的时候是上网搜的，有的时候是翻翻书，实在不行了只能问同学，其实大家都不太懂这个，才刚刚这种课程，还不能轻松的对输出结果进行解释，但是以后我们一定会掌握好这个软件的。
Spss的实习也是我们开始认识统计开始熟悉统计的过程，少部分东西在统计学原理上已经学过了，很多还没有学到，等学过之后我想我们就能很轻松地对结果进行解释了。